تستخدم SewerAI الذكاء الاصطناعي لاكتشاف العيوب في أنابيب الصرف الصحي
يؤدي تغير المناخ إلى زيادة مخاطر ومعدلات وتكلفة فشل الصرف الصحي. أصبحت الفيضانات أكثر شيوعًا، مما يؤدي إلى حدوث احتياطيات تطغى في كثير من الأحيان على أنظمة معالجة مياه الصرف الصحي. ومما يزيد من تفاقم المشكلة أن البنية التحتية في أمريكا أصبحت عتيقة إلى حد مؤسف؛ تقدر وكالة حماية البيئة أن هناك حاجة إلى ما يقرب من 700 مليار دولار من الاستثمارات للحفاظ ببساطة على مياه الصرف الصحي الحالية ومياه الأمطار وخطوط أنابيب المياه النظيفة الأخرى على مدى السنوات العشرين المقبلة.
رأى ماثيو روزنتال وبيلي جيلمارتن، وكلاهما ينحدران من صناعة معالجة مياه الصرف الصحي، فرصة للمساعدة في حل مشكلة التكنولوجيا – بطريقة صغيرة، على الأقل. قبل خمس سنوات، شارك الثنائي في تأسيس شركة SewerAI، التي تستخدم الذكاء الاصطناعي لأتمتة أنواع التقاط البيانات ووضع علامات على العيوب التي تشكل فحص المجاري.
وقال روزنتال لـ TechCrunch: “تم بناء معظم البنية التحتية بعد الحرب العالمية الثانية وهي تصل إلى نهاية عمرها الإنتاجي، مما يؤدي إلى المزيد من حالات الفشل المتكررة وزيادة التكاليف”. “تُحدث SewerAI ثورة في فحص البنية التحتية تحت الأرض وإدارتها من خلال منصة البرامج كخدمة المعتمدة على الذكاء الاصطناعي.”
بدأ SewerAI كمشروع جانبي لروزنتال. لقد بدأ في تلقي دورات عبر الإنترنت حول الذكاء الاصطناعي بعد أن شارك في إطلاق شركتين لتحليل مياه الصرف الصحي وخدماتها. أثناء تجربة نماذج الذكاء الاصطناعي للتنبؤ بعيوب الصرف الصحي في مقاطع فيديو الفحص، استعان روزنتال بمساعدة جيلمارتن، الذي كان يعمل في شركة لفحص الصرف الصحي في ذلك الوقت.
واليوم، تبيع شركة SewerAI – التي يشمل عملاؤها البلديات والمرافق العامة والمقاولين من القطاع الخاص – منتجات اشتراك قائمة على السحابة ومدعومة بالذكاء الاصطناعي مصممة لتبسيط عمليات التفتيش الميدانية وإدارة بيانات البنية التحتية للصرف الصحي.
يسمح أحد هذه المنتجات، Pioneer، للمفتشين الميدانيين بتحميل بيانات الفحص إلى السحابة ووضع علامات على المشكلات – وهي البيانات التي يمكن لمديري المشاريع استخدامها بعد ذلك للتخطيط لإصلاحات الأنابيب. هناك أداة أخرى، AutoCode، تقوم تلقائيًا بوضع علامات على عمليات فحص الأنابيب وفتحات التفتيش، مما يؤدي إلى إنشاء نماذج ثلاثية الأبعاد للبنية التحتية من مقاطع الفيديو الملتقطة بكاميرا GoPro أو كاميرا أخرى.
قال روزنتال: “تقدم الشركات القديمة برامج داخل الشركة أو على متن الشاحنة، ولم تشهد سوى القليل جدًا من الابتكار خلال العشرين عامًا الماضية”. “تعمل تقنية SewerAI على زيادة الإيرادات العليا والدنيا من خلال تمكين المزيد من عمليات التفتيش يوميًا بتكلفة أقل.”
SewerAI ليست وحدها في السوق الناشئة لفحص الأنابيب بمساعدة الذكاء الاصطناعي. ومن بين منافسي الشركة شركة Subterra، التي تقوم بتخطيط المشاكل المتعلقة بخطوط الأنابيب وتحليلها والتنبؤ بها؛ Clear Object، الذي يقدم برنامجًا يحلل لقطات من عمليات فحص الأنابيب بحثًا عن أي ضرر؛ وشركة Pallon، التي تطور خوارزميات لاكتشاف المشاكل المحتملة داخل المجاري من الصور الثابتة.
يدعي روزنتال أن ما يميز SewerAI عن غيرها هو جودة بياناتها – وتحديدًا جودة بيانات التدريب النموذجية الخاصة بها. يقول روزنتال إن SewerAI لديها لقطات لعمليات تفتيش لـ 135 مليون قدم من الأنابيب من البلديات والمقاولين المستقلين. يقول روزنتال إنه على الرغم من أنه مجرد جزء صغير من 6.8 مليار قدم من أنابيب الصرف الصحي في الولايات المتحدة، إلا أنها مجموعة بيانات كبيرة بما يكفي لتدريب الذكاء الاصطناعي التنافسي للكشف عن العيوب.
وقال روزنتال: “تعمل منتجاتنا على تبسيط عمليات التفتيش الميدانية وإدارة البيانات، مما يمكّن العملاء من إدارة البنية التحتية بشكل استباقي بدلاً من الاستجابة لحالات الطوارئ”.
حازت فكرة مبيعات SewerAI على إعجاب مستثمرين مثل Innovius Capital، الذين ضخوا مع آخرين 15 مليون دولار في أحدث جولة لجمع التبرعات لـ SewerAI. وبذلك يصل إجمالي SewerAI إلى 25 مليون دولار، وسيتم توجيه الأموال نحو التوسع في السوق، والتدريب على نماذج الذكاء الاصطناعي، وتوظيف وتوسيع مجموعة منتجات SewerAI بما يتجاوز أدوات الفحص.
قال روزنتال: “تستمر SewerAI في النمو، ونحن نشهد تسارعًا في الطلب على منصتنا حيث نمكن الأشخاص من القيام بالمزيد باستخدام الميزانيات الحالية، مما أدى إلى إغلاق أول عقودنا المكونة من سبعة أرقام”.
